基于等价局部ga作二值模式特征的差空间人脸确认.docxVIP

基于等价局部ga作二值模式特征的差空间人脸确认 随着信息技术的快速发展，自动身份验证技术变得越来越重要。基于人脸确认方式的身份认证具有其他认证技术所没有的优越性: (1) 快捷、非接触; (2) 丰富的现有数据, 如二代身份证数据库、学籍数据库、护照数据库; (3) 数据采集方便, 采集设备成本低廉; (4) 方便事后追踪等。人脸验证是计算机视觉领域的一个重要问题, 目前针对光照、姿态和面部表情等对人脸识别展开相关的研究较多。对于基于采集时间较久的人脸数据库如学籍数据库、护照数据库等人脸确认问题, 由于数据库人脸图像与当前采集到的人脸图像存在较大的年龄差, 因此年龄变化对人脸确认的影响是最需要解决的问题。构建人脸老化模型和采用概率统计特征进行存在年龄变化的人脸确认是两种主要的方法。方法一通过人脸老化模型的建立将存在年龄变化的人脸确认问题转化为一般的人脸确认问题, 但统计模型的获取易受到生活环境和生活方式的影响, 泛化能力较差;方法二通过统计类内相似性和类间差异性完成存在年龄变化的人脸确认, 最大化类内与类间的差异性是该方法成功运用的关键。 Gabor小波核与哺乳动物视觉皮层细胞的感受也类似, 具有优良的空间局部性、空间频率及方向选择性等, 局部二值模式 (local binary pattern, LBP)方法可以提取图像的边缘、角点等局部变化特征, 通过使LBP方法与Gabor小波相结合, 可以使得到的边缘、角点等特征具有方向性和尺度性, 包含更多的人脸信息, 因此本算法选用Gabor二值模式特征来表征人脸。在样本数据的分布已知的情况下, 贝叶斯准则 (即最大后验概率准则) 是最优判决准则, 对于人脸验证问题来说, 样本的实际分布情况是未知的, 在这种情况下SVM算法可以近似地实现贝叶斯准则, 鉴于此本算法采用SVM分类器对样本分类。因此本文首先利用等价LBP算子对提取的人脸图像的Gabor鉴别性特征进行二值化处理, 对得到的LBP图谱进行直方图统计并对每组Gabor特征对应的LBP统计直方图进行向量化处理, 对上述向量进行差空间运算得到待分类样本;最后构造支持向量机 (support vector machine, SVM) 分类器, 并以进行算法的训练及鉴别性Gabor特征的选取。在人脸确认阶段使用等价LBP算子对人脸图像的Gabor鉴别性特征二值化、直方图化、向量化并对分类结果进行加权投票, 进而实现人脸确认。 1 女性评估算法 1.1 svm分类器分类 研究两幅年龄相差在10年之内的人脸图像的确认问题。首先将年龄差分成0~2, 3~4, 5~7和8~10年共4个年龄差段。提出基于年龄变化鲁棒的人脸确认算法框架如图1所示。算法分为训练和认证2个阶段。图1中, 点划线包围的部分是训练框架, 虚线包围的部分是认证框架。在训练阶段, 分别提取多组同一人和不同人的年龄差在A段的人脸图像各2幅的Gabor特征, 对每个Gabor特征进行等价LBP二值化并进行直方图统计, 进行向量化、特征重组、差空间运算, 形成训练样本, 再输入SVM分类器, 经对SVM分类器的参数优化后选取出N个分类效果显著的SVM分类器, 记为S(j), 其中j=1, 2, …, N。在认证阶段, 选取S(j)所对应的尺度与方向上的Gabor核函数, 对任意2幅人脸图像进行Gabor特征变换、二值化、直方图统计和向量化, 然后进行差空间运算形成待认证样本, 再分别输入所构造的N个SVM分类器判决, 可得到N个判决结果;将判决结果进行加权投票, 各判决结果的权值由其所对应SVM分类器S(j)的最佳分类准确率确定, 最后根据加权投票的多少决定这2幅图像是否是同一个人的。 图1中Ii1和Ii2为同一人的2幅不同人脸灰度图像, Dj, 1和Dj, 2分别为任意2个人的人脸灰度图像;OIu, v(Ii, (1, 2)) 和ODu, v(Dj, (1, 2)) 分别为同一人和任意2个人的人脸灰度图像在方向u及尺度v上的Gabor特征矩阵;LIu, v(Ii, (1, 2)) 和LDu, v(Dj, (1, 2)) 分别为在方向u及尺度v上的Gabor特征进行等价LBP二值化后的LBP图谱矩阵;VIu, v(Ii, (1, 2)) 和VDu, v(Dj, (1, 2)) 分别为在方向u及尺度v上的LBP图谱直方图特征对应的向量;IN RIu, v(Ii) 为在方向u及尺度v上形成的类内差向量;OT RDu, v(Dj) 为在方向u及尺度v上形成的类间差向量;Fu, v为在方向u及尺度v上形成的样本矩阵;Su, v为由方向u及尺度v上的样本特征训练得到的SVM分类器;S(j)为选取的分类效果显著的第j个分类器;OSj为S(j)对应尺度和方向上的Gabor特征矩阵;LSj为